同一上下文技术对不同行为智能体效果相反
资讯摘要
论文分析语义层、多智能体编排与记忆压缩三种上下文工程技术（CET）对数据智能体的影响，在五个基准的1514个长周期任务上测试七种大语言模型，考察行为、准确率与成本。作者报告，未使用CET的智能体可分为调查型、过早作答型和提前放弃型三类；每种CET只对与其匹配的行为类型提升准确率，对调查型智能体反而可能有害，例如编排使其过度自信、准确率下降5个百分点。
要点速读
- 论文在五个基准的1514个长周期任务上，用七种大语言模型测试三种CET单独及组合使用的效果。
- 作者报告，未使用CET的数据智能体形成三类行为：调查型、未检查数据即作答的过早作答型、提前放弃型。
- 每种CET只对匹配的行为类型转化为准确率提升；对调查型智能体，语义层抑制其查看数据，编排带来过度自信并损失5个百分点，压缩导致重复步骤。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。